微软开源 TinyTroupe：基于 LLM 的多智能体角色模拟框架

5. 核心抽象：TinyPerson 与 TinyWorld

与任何 Multi-Agent 系统一样，TinyTroupe 提供了两个关键抽象层。

5.1 TinyPerson（智能体）

TinyPerson 是具有个性、能接收刺激并做出反应的 Agent。它包含记忆、目标、性格特征等属性。

定义自定义 Agent

开发者可以使用预定义的构建器，也可以从头开始定义自己的 Agent。

from tinytroupe.persona import TinyPerson

lisa = TinyPerson("Lisa")
lisa.define("age", 28)
lisa.define("nationality", "Canadian")
lisa.define("occupation", "Data Scientist")
lisa.define("routine", "每天早晨，你醒来，做一些瑜伽，然后查看你的电子邮件。", group="routines")
lisa.define("occupation_description", 
            """
            你是一名数据科学家。你在微软工作，专注于数据分析与模型优化。
            """)
lisa.define_several("personality_traits",
                    [
                        {"trait": "你对新事物充满好奇，喜欢学习新事物。"},
                        {"trait": "你分析性强，喜欢解决问题。"},
                        {"trait": "你友好，喜欢与他人合作。"},
                    ])

此外，TinyTroupe 还提供了 TinyPersonFactory 类，利用 LLM 自动生成 Agent 规范，进一步简化创建过程。

from tinytroupe.factory import TinyPersonFactory

factory = TinyPersonFactory("圣保罗的一家医院。")
person = factory.generate_person("创建一个喜欢宠物、大自然和重金属音乐的巴西医生。")

5.2 TinyWorld（环境）

TinyWorld 是 Agent 存在和互动的环境基类。它管理 Agent 之间的消息传递和状态同步。

运行模拟

以下示例展示了如何在聊天室环境中让数据科学家 Lisa 和建筑师 Oscar 进行对话。

world = TinyWorld("聊天室", [lisa, oscar])
world.make_everyone_accessible()
lisa.listen("和 Oscar 谈谈以更多了解他")
world.run(4) # 运行 4 个时间步

系统会输出详细的对话日志，包括每个 Agent 的思考过程（Thought）、行动（Act）以及最终发出的消息（Conversation）。

6. 技术实现细节

6.1 提示词工程

TinyTroupe 的成功很大程度上依赖于精心设计的提示词（Prompts）。每个 Agent 的行为都由其背后的 LLM 根据当前上下文和预设规则生成。系统内部维护了一套复杂的 Prompt 模板，确保 Agent 在保持人设的同时能够遵循任务指令。

6.2 循环执行机制

模拟过程通常采用循环执行机制。在每个时间步（Step）中：

1. 环境向所有 Agent 广播当前状态。
2. 每个 Agent 根据记忆和感知生成思考内容。
3. Agent 决定采取的行动（如说话、移动、修改对象）。
4. 环境更新状态并记录日志。

这种机制允许模拟出动态变化的社会场景，而不仅仅是静态的问答。

7. 部署与扩展

7.1 本地部署

开发者可以通过 pip 安装相关依赖，并在本地 Jupyter 环境中运行示例。由于涉及 LLM 调用，建议配置好相应的 API Key 或使用本地部署的模型服务。

7.2 扩展性

TinyTroupe 的设计支持高度扩展。开发者可以：

• 替换底层的 LLM 后端。
• 自定义 Agent 的属性定义接口。
• 编写自定义的 World 子类以适应特定物理或逻辑环境。

8. 总结与展望

微软开源的 TinyTroupe 为多智能体系统研究提供了一个轻量级且灵活的框架。它不仅展示了 LLM 在角色扮演方面的潜力，也为商业决策、产品设计和学术研究提供了新的工具。通过模拟真实的人类行为模式，TinyTroupe 帮助我们在虚拟世界中验证假设，降低现实世界的风险。

未来，随着多模态能力的增强，TinyTroupe 有望整合视觉、语音等多种交互方式，构建更加沉浸式的虚拟世界体验。对于开发者而言，掌握此类框架将是构建下一代 AI 应用的关键技能之一。

参考资源：

• GitHub 仓库：https://github.com/microsoft/TinyTroupe
• 官方文档与示例代码请查阅上述链接。